一文带你走进Python中的数据类

全文共2607字，预计学习时长14分钟

 

图源：unsplash

 

数据类适用于Python3.7或更高版本，它不仅可以用作数据容器，还可以编写样板代码，简化创建类的过程。

 

 

创建第一个数据类

 

创建一个数据类，该数据类表示三维座标系中的一个点。

 

@dataclass装饰器用于创建数据类。x，y和z是数据类中的字段。注意要使用类型注释来指定字段的数据类型，但是类型注释不是静态类型声明，这意味着仍然可以为x，y或z字段传递除int之外的任何数据类型。

 

from dataclasses import dataclass
             @dataclass
           classCoordinate:
              x: int
              y: int
              z: int

 

默认情况下，数据类附带有init、repr和 eq方法，因此我们不必自己实现。但是如果init、repr和eq没有在Coordinate类中实现，有了数据类，我们仍然可以使用这些方法，这样非常节省时间。

 

from dataclasses import dataclass
             @dataclass
           classCoordinate:
              x: int
              y: int
              z: int
             a =Coordinate(4, 5, 3)
           print(a)  # output: Coordinate(x=4, y=5, z=3)

 

字段的默认值

 

编码者可以为字段分配默认值。如下所示，数据类中的pi字段被分配了默认值：

 

from dataclasses import dataclass
             @dataclass
           classCircleArea:
              r: int
              pi: float =3.14
                 @property
              defarea(self):
                   return self.pi * (self.r **2)
             a =CircleArea(2)
           print(repr(a))  # output: CircleArea(r=2, pi=3.14)
           print(a.area)  # output: 12.56

 

自定义字段和数据类

 

设置dataclass装饰器或field函数的参数可以自定义字段和数据类。自定义过程将用例子进行说明，本文结尾也会给出字段和数据类的所有参数。

 

图源：unsplash

 

数据类可变还是不可变？

 

默认情况下，数据类是可变的，这意味着可以为字段分配值。但我们可以通过将frozen参数设置为True来使其不可变

 

可变示例：

 

from dataclasses import dataclass
             @dataclass
           classCircleArea:
              r: int
              pi: float =3.14
                 @property
              defarea(self):
                   return self.pi * (self.r **2)
             a =CircleArea(2)
           a.r =5
           print(repr(a))  # output: CircleArea(r=5, pi=3.14)
           print(a.area)  # output: 78.5

 

不可变示例：

 

设置frozen为 True，将无法再为字段分配值。在下面的示例中可以看到异常输出。

 

from dataclasses import dataclass
             @dataclass(frozen=True)
           classCircleArea:
              r: int
              pi: float =3.14
                 @property
              defarea(self):
                   return self.pi * (self.r **2)
             a =CircleArea(2)
           a.r =5
           # Exceptionoccurred: dataclasses.FrozenInstanceError:
           # cannot assign tofield 'r'

 

比较数据类

 

假设要创建一个表示Vector的数据类并进行比较，你会怎么做？当然需要使用诸如lt或gt之类的方法啦。

 

 

图源：unsplash

 

默认情况下，数据类的order参数为 False。将其设置为True，会自动为数据类生成 lt、le、gt和ge方法。因此，可以按顺序比较对象，就像它们是其字段的元组一样。

 

研究下面的示例：将order设置为True就可以比较v2和v1。这里存在一个逻辑比较的问题。当v2> v1时，它将比较这两个向量，例如（8，15）>（7，20）。因此，v2> v1的输出将为True。

 

回想一下，元组比较是逐个按照顺序进行的。首先将8和7进行比较，结果为True，那么比较结果就为True。如果它们相等，则比较15> 20，结果为False：

 

from dataclasses import dataclass,field
   
                       @dataclass(order=True)
           classVector:
              x: int
              y: int
             v1 =Vector(8, 15)
           v2 =Vector(7, 20)
           print(v2 > v1)

 

显然这种比较没有任何意义。笔者最初想通过向量的大小来比较它们。但问题是，不可能在创建每个实例时，都要自己计算Vector的大小。

 

在这种情况下，field函数和post_init方法更有用。field函数能自定义magnitude字段。而post_init方法则会确定初始化后该矢量的大小。

 

还可以使用数据类中的field函数来自定义magnitude字段。通过将init设置为False，基本可以不需要init方法中的magnitude参数。因为初始化后才使用post_init方法来确定其值：

 

from dataclasses import dataclass, field
             @dataclass(order=True)
           classVector:
              magnitude: float =field(init=False)
              x: int
              y: int
                 def__post_init__(self):
                   self.magnitude = (self.x **2+ self.y **2) **0.5
             v1 =Vector(9, 12)
           print(v1)  # output: Vector(magnitude=15.0, x=9,y=12)
           v2 =Vector(8, 15)
           print(v2)  # output: Vector(magnitude=17.0, x=8,y=15)
           print(v2 > v1)  # output: True

 

将数据类转换为字典或元组

 

从元组或字典中获取数据类的属性，只需要从数据类中导入asdict和astuple函数：

 

from dataclasses import dataclass,asdict, astuple
             @dataclass
           classVector:
              x: int
              y: int
              z: int
             v =Vector(4, 5, 7)
           print(asdict(v))  # output: {'x': 4, 'y': 5, 'z': 7}
           print(astuple(v))  # output: (4, 5, 7)

 

继承

 

可以像Python中的普通类一样对数据类进行子类化：

 

from dataclasses import dataclass
             @dataclass
           classEmployee:
              name: str
              lang: str
             @dataclass
           classDeveloper(Employee):
              salary: int
             Halil=Developer('Halil', 'Python', 5000)
           print(Halil)  # Output: Developer(name='Halil',lang='Python', salary=5000)

 

使用继承时经常会忽视一点：默认情况下，当将lang字段设置为Python时，必须为lang字段之后的字段提供默认值：

 

from dataclasses import dataclass
             @dataclass
           classEmployee:
              name: str
              lang: str ='Python'
             @dataclass
           classDeveloper(Employee):
              salary: int
             Halil=Developer('Halil', 'Python', 5000)
           # Output:TypeError: non-default argument 'salary' follows default argument

 

原因在于init方法。回想一下，具有默认值的参数应该位于没有默认值的参数之后：

 

def__init__(name: str,lang: str ='Python', salary: int):

...

通过对sanlary字段设置默认值来对其进行修复：

 

from dataclasses import dataclass
             @dataclass
           classEmployee:
              name: str
              lang: str ='Python'
             @dataclass
           classDeveloper(Employee):
              salary: int =0
             Halil=Developer('Halil', 'Python', 5000)
           print(Halil)  # output: Developer(name='Halil',lang='Python', salary=5000)

 

slots的好处

 

默认情况下，属性存储在字典中。使用slots可以更快地访问属性并且内存占用更少。

 

from dataclasses import dataclass
             @dataclass
           classEmployee:
              name: str
              lang: str
             Halil=Employee('Halil', 'Python')
           print(Halil.__dict__)  # name': 'Halil', 'lang': 'Python'}

 

slots内存占用更小，访问属性更快。

 

from dataclasses import dataclass
             @dataclass
           classEmployee:
              __slots__ = ('name', 'lang')
              name: str
              lang: str
             Halil=Employee('Halil', 'Python')

 

数据类参数

 

刚刚我们更改了数据类装饰器中的某些参数，以自定义数据类。以下是参数列表：

 

· nit：如果为True，则在数据类中生成init方法。（默认为True）

· repr：如果为True，则在数据类中生成repr方法。（默认为True）

· eq：如果为True，则在数据类中生成eq方法。（默认为True）

· order：如果为True，则在数据类中生成lt，le，gt和ge方法。（默认为False）

· unsafe_hash：如果为True，则在数据类中生成hash方法。（默认为False）

· frozen：如果为True，则不能给字段分配值。（默认为False。）

 

注意，如果order为True，eq必须也为True，否则将引发ValueError异常。

 

 

图源：unsplash

 

字段参数

 

· init：如果为True，则此字段包含在生成的init方法中。（默认为True）

· repr：如果为True，则此字段包含在生成的repr方法中。（默认为True）

· compare：如果为True，则此字段包含在生成的比较和相等方法中。（默认为True）

· hash：如果为True，则此字段包含在生成的hash方法中。（默认为None）

· default：这是此字段的默认值（如果提供）。

· default_factory：当该字段需要默认值时将调用该参数，此时该参数必须为零阶可调用参数对象。

· metadata：可以是映射，也可以为空，为空则将其视为空字典。

 

以上就是关于Python中数据类的简要介绍，你掌握了吗？

 

 

一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）